众包学习模型研究

• 作者: 吴琼
• 来源期刊: 电脑知识与技术
• 学科: 工学
• 关键词: 低秩近似 矩阵填充 众包学习
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 145-147
• 页数: 3页
• 分类号: TP311
• 字数: 2303字
• 语种: 中文

摘要

近年来众包学习在机器学习和计算机视觉方面备受关注,但是存在不可靠标注者导致标注标签包含大量噪声.本文提出一种低秩矩阵填充算法(LRMC)来捕获标注者之间潜在相关性,并去除存在于识别标注之间的特定噪声.LRMC通过标签的低秩结构来利用存在于标签中潜在的相关信息,其中还可以获得标注者与问题的潜在的特征向量.实验结果表明,LRMC不但提高了众包学习的标注精度,并且与现有算法相比,在优化时间上也存在相应优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴琼	西安石油大学计算机学院	8	15	3.0	3.0